肥胖相关慢性病指数（Obesity-Related Chronic Disease Index, ORCDi）——一种量化肥胖相关慢性病疾病负担的新型复合指标：基于美国人口普查区（Census Tract）的生态学研究

《The Lancet Regional Health - Americas》：The obesity-related chronic disease index (ORCDi), a novel composite metric to quantify ORCD burden: an ecological study across U.S. census tracts

　　

背景：肥胖显著促成美国慢性病的共病（Multimorbidity），但目前尚无复合指标（Composite Metric）在社区层面量化肥胖相关慢性病（Obesity-Related Chronic Disease, ORCD）的累积负担。研究人员旨在开发并验证肥胖相关慢性病指数（Obesity-Related Chronic Disease Index, ORCDi），检验其空间分布及其与社会脆弱性（Social Vulnerability Index, SVI）各维度的关联。 方法：研究人员使用美国疾病控制与预防中心（Centers for Disease Control and Prevention, CDC）PLACES 2024年估算数据中9种肥胖相关疾病的患病率，覆盖全美83,522个人口普查区（Census Tract）。采用主成分分析（Principal Component Analysis, PCA）推导ORCDi，通过克朗巴赫α系数（Cronbach's α）、古特曼λ?（Guttman's λ?）、条目–总分相关（Item–Total Correlation）、巴特利特球形检验（Bartlett's Test of Sphericity）及凯泽–迈耶–奥尔金测度（Kaiser-Meyer-Olkin, KMO）评估慢性病属性。聚合效度（Convergent Validity）通过与社会脆弱性指数（SVI）及城乡通勤区分类（Rural-Urban Commuting Area, RUCA）的回归模型评价。空间依赖性与聚类或热点采用全局莫兰指数（Global Moran's I）及局部空间关联指标（Local Indicators of Spatial Association, LISA）评估。 结果：ORCDi显示内部一致性（Cronbach's α = 0.94；Guttman's λ? = 0.97）及连贯因子结构（KMO = 0.81；Bartlett's χ2 = 1,068,915；p < 0.0001）。第一主成分解释总方差的70.52%，慢性阻塞性肺疾病（Chronic Obstructive Pulmonary Disease, COPD）（0.94）、卒中（Stroke）（0.94）、高血压（High Blood Pressure）（0.93）、冠心病（Coronary Heart Disease, CHD）（0.91）及糖尿病（Diabetes）（0.89）呈显著因子载荷，支持指数存在共享的共病维度。聚合效度获 socioeconomic vulnerability（β = 15.02；R2 = 0.19）、age and disability（β = 15.74；R2 = 0.21）及 rurality（β = 1.42；R2 = 0.14）中等程度关联支持。空间分析显示显著地理聚类（Moran's I = 0.71；p < 0.0001），高–高ORCDi集中分布于深南部（Deep South）、密西西比三角洲（Mississippi Delta）、阿巴拉契亚（Appalachia）及得克萨斯州与俄克拉荷马州部分地区。 解读：ORCDi是社区层面量化肥胖相关慢性病负担的复合测量指标，显示显著内部一致性、实质地理变异及与社会经济劣势和农村健康差异的有意义关联。未来研究应在独立数据集中评估其表现并考察其在公共卫生监测与资源配置中的效用。

论文解读：《The obesity-related chronic disease index (ORCDi), a novel composite metric to quantify ORCD burden: an ecological study across U.S. census tracts》发表于《The Lancet Regional Health – Americas》

一、研究背景与目的

肥胖是美国人群慢性病共病（Multimorbidity）的主要驱动因素，可引发糖尿病、高血压、冠心病（Coronary Heart Disease, CHD）、卒中（Stroke）、慢性阻塞性肺疾病（Chronic Obstructive Pulmonary Disease, COPD）、哮喘（Asthma）、关节炎（Arthritis）及高胆固醇血症（High Cholesterol）等多种肥胖相关慢性病（Obesity-Related Chronic Disease, ORCD）。现有的人群健康监测多以单一疾病患病率报告，或采用社会脆弱性指数（Social Vulnerability Index, SVI）、区域剥夺指数（Area Deprivation Index, ADI）等工具衡量社会经济或地理脆弱性，但缺乏在美国最小地理单元——人口普查区（Census Tract）层级上专门整合多种ORCD、量化其累积共病负担的标准化复合指标（Composite Metric）。为填补这一空白，研究人员Ahmmad MR、Faruque F与Zhang X开发了新型肥胖相关慢性病指数（Obesity-Related Chronic Disease Index, ORCDi），基于主成分分析（Principal Component Analysis, PCA）整合九种ORCD患病率，并在全美83,522个人口普查区中验证其信度、效度及空间分布特征，探讨ORCDi与社会脆弱性及城乡梯度（Rural-Urban Commuting Area, RUCA）的关联。研究得出结论：ORCDi具优良的内部一致性及构念效度，第一主成分解释逾70%方差，与SVI社会经济及老龄/残疾维度呈中度正相关，随乡村化程度升高而升高，且呈现显著的空间聚类，高负担区集中于深南部、密西西比三角洲、阿巴拉契亚等地区。ORCDi可作为公共卫生监测、高危社区识别及资源倾斜分配的新工具。

二、主要关键技术方法概述

研究人员获取CDC PLACES 2024基于行为危险因素监测系统（Behavioral Risk Factor Surveillance System, BRFSS）2022数据建模得到的全美83,522个人口普查区年龄标化患病率，纳入肥胖（BMI≥30 kg/m2）、糖尿病、高血压、冠心病、卒中、COPD、哮喘、关节炎及高胆固醇血症共9项ORCD指标。缺失值（高血压与高胆固醇各约6%）以同指标非缺失均值填补，并做完整案例分析验证稳健性。各指标先行Z分数标准化后，对相关系数矩阵进行PCA，依据Kaiser准则（特征值>1）及解释方差占比保留第一主成分（PC1）作为ORCDi原始分，再经最小–最大变换将ORCDi线性缩放至0–100便于解释，并按k-means分为低、中、高负担三组。信度检验采用Cronbach's α、Guttman's λ?、McDonald's ω及条目–总分相关；适合性检验采用KMO与Bartlett球形检验；结构稳定性用Jennrich检验比较70%训练集与30%测试集。聚合效度以线性回归分析ORCDi与CDC/ATSDR SVI四主题域（ socioeconomic status、household composition & disability、minority status & language、housing type & transportation）及整体SVI分值、RUCA编码的关联。空间自相关采用Queen邻接空间权重矩阵的全局Moran's I及LISA识别高–高/低–低聚类（热点/冷点）。

三、研究结果

Descriptive statistics of ORCD indicators and suitability tests（ORCD指标描述统计与适用性检验）： 九种ORCD在人口普查区间存在大幅变异，整体KMO=0.81（条目KMO 0.73–0.90），Bartlett χ2=1,068,915（df=36, p<0.0001），Jennrich检验χ2=-262.01（p>0.9），证实变量间相关性足够、因子分析适宜且训练–测试集相关矩阵结构一致、稳定，支持PCA降维。

Correlation structure among ORCD indicators（ORCD指标间相关结构）： Pearson相关热图显示糖尿病、高血压、冠心病、COPD与肥胖呈中至高度正相关，提示心血管代谢与炎症条件具共享方差。训练集与测试集相关模式几乎完全重合，佐证指标间关系跨样本稳定。

Principal component analysis (PCA) results（主成分分析结果）： PC1特征值6.35，解释总方差70.52%；PC2解释14.8%，其余<6%。PC1在各疾病上载荷均正向且较高——COPD 0.94、卒中 0.94、高血压 0.93、冠心病 0.91、糖尿病 0.89、关节炎 0.87、肥胖 0.74，哮喘和高胆固醇载荷略低，表明九病共享一隐变量即"肥胖相关慢性病共病负担"，故取PC1构建ORCDi。

Internal consistency and reliability（内部一致性与可靠性）： Cronbach's α=0.94（删除任一指标后α 0.93–0.95），Guttman's λ?=0.97，平均条目间相关0.65，中位数0.71，信噪比16.81，校正条目–总分相关0.56–0.94（COPD、高血压、冠心病、卒中最高），表明九病种共同反映单一潜构念且无冗余，ORCDi测量精度高且稳定。

Distribution of the ORCDi（ORCDi的分布特征）： ORCDi经min–max换算后范围0–100，均值36.52、中位数35.87，四分位距29.59–42.80，呈近似对称单峰分布，右尾稍偏离正态，提示少数普查区存在异常高疾病负担。Q–Q图中央段贴合理论正态线，证实主体分布合理。

Convergent validity with SVI domains（与SVI各域的聚合效度）： 线性回归显示ORCDi与SVI整体（β=13.97, R2=0.16）、社会经济地位域（β=15.02, R2=0.19）、老龄及残疾域（β=15.74, R2=0.21）呈显著正向关联；住房与交通域弱正向（β=5.30, R2=0.02）；少数族裔及语言域呈微弱负向（β=-2.51, R2=0.01），说明ORCD负担聚集于经济劣势及老龄/残疾高的社区，但不沿种族/民族构成简单分布。

Rural-urban gradient by RUCA（按RUCA的城乡梯度）： ORCDi中位数随RUCA等级增大（即乡村化程度加深）而升高（每增1级β=1.42, R2=0.14），SVI整体及社会经济、老龄/残疾域也呈同类梯度，印证ORCD负担在非都市区更重。

Spatial autocorrelation and LISA clusters（空间自相关与LISA聚类）： 采用Queen邻接权重，平均邻区数6.19，Global Moran's I=0.71（z=346.19, p<0.0001），拒绝空间随机性假设，证实ORCDi存在强正空间自相关。LISA地图识别出大片的High–High聚类（深南部、密西西比三角洲、中阿巴拉契亚、得克萨斯与俄克拉荷马局部）及Low–Low聚类（东北部、上中西部、西海岸大都市郊区），边界处有少量High–Low/Low–High空间离群值。

Sensitivity analysis（敏感性分析）： 剔除缺失值普查区后重复全流程，PC1解释方差、因子载荷、Cronbach's α及Moran's I均与主分析高度一致，地理聚类模式基本重合（仅佛罗里达因部分普查区排除致局部边界微变），证明ORCDi构建及空间推断稳健。

四、讨论与结论（翻译浓缩）

本研究开发并确立了ORCDi——一种在美国人口普查区层级量化ORCD负担的新型复合指标。ORCDi显示内部一致性，经第一主成分证实构念效度，且在训练与测试数据集间表现稳定。其与已确立的社会脆弱性及城乡分类的显著关联佐证了聚合效度，呼应健康社会决定因素框架及强调基于场所不平等的空间流行病学理论。空间分析进一步揭示ORCDi在深南部、密西西比三角洲、中阿巴拉契亚及得克萨斯与俄克拉荷马部分地区呈显著的高–高聚类，印证历史上服务不足社区存在持续的地域性不平等。全局Moran's I显示正向空间自相关，凸显ORCD负担的地理集中性。综上，ORCDi是可靠、有效且具空间敏感性的指数，可用于监测美国人口普查区层面的ORCD负担并刻画人群健康差异。其局限性含生态设计无法推断个体水平、CDC PLACES模型估算在农村稀疏区存不确定性、横断面数据不含病程严重度与纵向变化、尚未作外部独立数据集验证。未来研究应在不同人群与地理背景下检验其外部效度，并考量行为危险因素及医疗可及性。ORCDi可为政策制定者、卫生部门及地方利益相关方提供精细识别高负担社区的依据，支持将之纳入社区健康需求评估与肥胖相关慢性病监测体系，推动以地理靶向干预缩小健康差距。

Interpretation（论文结论段原文意译）： ORCDi是社区层面量化肥胖相关慢性病负担的复合测量指标，该指数显示出显著的内部一致性、显著的地理变异及与社会经济劣势和农村健康差异的有意义关联。未来研究应在独立数据集中评估其表现，并考察其在公共卫生监测和资源配置中的实用性。